-
公开(公告)号:CN107679441A
公开(公告)日:2018-02-09
申请号:CN201710077106.5
申请日:2017-02-14
Applicant: 郑州大学
Abstract: 基于多时相遥感影像阴影提取城市建筑物高度信息的方法,本发明旨在形成系统、快捷、准确的方法,利用两幅不同时相的遥感影像(两幅影像具有不同的太阳高度角以及卫星方位角),对目标建筑物阴影进行批量分析与计算,进而实现快速和较准确得提取区域内目标建筑物的高度,有助于提高测量、三维建模等工作的效率;具体实施主要是通过计算建筑物阴影长度,结合影像上标志建筑与其阴影的夹角关系,选择相应数学模型计算区域内目标建筑的高度值;应用两幅遥感影像计算得到的两组建筑高度结果,基于最小二乘法构建拟合方程,获得修正后的目标建筑的高度,从而提高了计算结果的精度。
-
公开(公告)号:CN105488242A
公开(公告)日:2016-04-13
申请号:CN201510635900.8
申请日:2015-09-30
Applicant: 郑州大学
CPC classification number: G06F17/5004 , E02B7/06 , G06F17/5036
Abstract: 本发明提供基于骨架和模板的土石坝三维原型构建方法,优化土石坝模型,节约建模的时间,提高设计的效率和质量;其方案是,包括以下步骤:步骤一:土石坝原型的参数化;步骤二:土石坝原型的骨架定位模型;步骤三:土石坝原型构件的模板库;步骤四:利用设计表驱动土石坝原型构件;步骤五:土石坝原型构件的集成装配;本发明把土石坝拆分成最小的构件,根据相互关联特征,构成整体,在构建的模板库中选择不同的类型土石坝,进行构件改进设计,可以快速完成土石坝的三维模型设计,提高设计工作质量和设计效率。
-
公开(公告)号:CN118114060B
公开(公告)日:2025-05-23
申请号:CN202410142877.8
申请日:2024-02-01
Applicant: 郑州大学
IPC: G06F18/22 , G06F16/334 , G06F40/289 , G06F40/30
Abstract: 本发明属于防灾减灾技术领域,公开了一种基于word2vec模型的灾害元数据自动匹配方法及系统,具体包括以下步骤:自然灾害元数据采集及预处理,采用word2vec模型的CBOW架构,在LCQMC语料库上进行模型训练;基于训练结果,确定元数据匹配和元数据不匹配的余弦距离均值,作为置信度阈值;元数据抽取、分词、词向量转换以及计算词向量之间的余弦距离,如果计算出的词向量之间的余弦距离大于置信度阈值,则判定元数据是匹配的,并对匹配结果进行评估,以确保其完整性、一致性和准确性。本发明提出的灾害元数据自动匹配方法使得灾害元数据处理的效率更高,从而增强了对灾害应对的及时性和准确性。
-
公开(公告)号:CN116628978B
公开(公告)日:2025-05-02
申请号:CN202310583251.6
申请日:2023-05-23
Applicant: 郑州大学
IPC: G06F30/20 , G06T17/20 , G16C20/10 , G06F113/08 , G06F119/02 , G06F119/08
Abstract: 本发明属于水文水资源技术领域,涉及基于改进水分敏感确定网格化作物干旱脆弱性曲线的方法,方法包括:将水分胁迫对光合作用的影响因子嵌入到DSSAT模型;分别计算DSSAT模型改进前和改进后的地上部生物量模拟值的标准均方根误差;收集研究区域内的基础数据,包括气象数据、地理数据、作物数据和土壤数据,将研究区域划分为格网;根据物候期数据,采用GLUE方法进行冬小麦遗传参数计算;利用改进水分敏感的网格化作物模拟系统,构建干旱灾害强度DHI指数作为小麦旱灾致灾因子评价的指标;基于干旱危害强度指数和相应的产量损失率,定义物理脆弱性曲线。本发明从农业旱灾的物理过程出发建立栅格化干旱危害强度与作物产量损失的关系。
-
公开(公告)号:CN117910645B
公开(公告)日:2025-04-29
申请号:CN202410111061.9
申请日:2024-01-25
Applicant: 郑州大学
IPC: G06Q10/04 , G06Q50/26 , G06F18/214 , G06F18/21 , G06N3/045 , G06N3/0464 , G06N3/0442 , G06N3/08
Abstract: 本发明属于自然灾害领域,公开了混合深度学习的城市洪涝快速预测模型构建与评估方法,该模型构建与评估方法包括:收集研究区域的相关数据,利用水动力模型LISFLOOD‑FP计算得到洪涝过程数据集。将洪涝过程数据集分为训练数据集和验证数据集;在CNN模型的基础上串联GRU和多头注意力模块,构建城市洪涝快速预测模型,利用训练数据集,对所述城市洪涝快速预测模型进行训练;选择合适的精度评估指标;利用所述验证数据集和所述精度评估指标评估所述城市洪涝快速预测模型的时间精度、空间精度及鲁棒性。本发明提出的城市洪涝快速预测模型构建与评估方法使得城市洪涝预测模型效率和精度更高,且模型构建与评估更全面。
-
公开(公告)号:CN118644966B
公开(公告)日:2025-04-18
申请号:CN202410459706.8
申请日:2024-04-17
Applicant: 郑州大学
IPC: G08B31/00 , G08B21/10 , H04L67/1008 , G06F16/25 , G06N3/0442 , G06N3/006 , G06N3/08
Abstract: 本发明属于防灾减灾技术领域,公开了基于Flink与任务调度优化的滑坡灾害多源监测数据集成方法,包括:从监测区域获取原始监测数据并进行预处理,获取监测数据,将不同数据库不同数据结构的监测数据转换为预设格式的目标数据,搭建Flink集群以流计算的形式将目标数据从各个数据库集成至目标数据库,基于改进PSO的任务调度优化算法收集系统信息,统计Flink集群每个节点的资源性能数据,获取每个节点的负载数据,构建LSTM模型,对Flink集群的负载情况进行预测分析,根据负载分析的结果,使用粒子群优化算法对Flink集群进行任务调度优化,并进行优化前后对比分析。本发明实现对灾害多源异构监测数据实时集成。
-
公开(公告)号:CN115795237A
公开(公告)日:2023-03-14
申请号:CN202211514932.9
申请日:2022-11-25
Applicant: 郑州大学
Abstract: 本发明涉及遥感技术领域,应用遥感生态指标反映区域生态环境状态。选取绿度、湿度、干度以及热度四个遥感生态指标,使用多线程并行计算以及基于多核CPU的并行计算相结合的方式,创新性地使用四元Copula函数作为生态指标的计算工具,利用Gringorten公式、Kendall相关系数和最大似然估计法构建出四元Copula函数模型,并最终计算出基于Copula的综合遥感生态指数(Copula‑base remote sensing ecological index,CRSEI)。本发明构建的综合遥感生态指数,能够最大程度囊括四个指标所反映的地表类型状况信息以及四个指标间的相关性信息,更加综合、全面地通过栅格可视化结果从时间以及空间上反映生态环境质量,为生态环境的监测、评价以及治理提供可靠、有力的技术支持。
-
公开(公告)号:CN113324923A
公开(公告)日:2021-08-31
申请号:CN202110633489.6
申请日:2021-06-07
Applicant: 郑州大学
Abstract: 本发明公开了一种结合时空融合与深度学习的遥感水质反演方法,有效的解决了水质遥感监测出现了卫星影像的空间分辨率和时间分辨率不满足水质监测要求,从而使水质计算结果出现了偏差的问题,本发明结合时空融合模型与全连接神经网络、卷积神经网络来生成高时空分辨率水质反演结果,并利用像元分解法来对水质反演结果进行修正,极大的提高了得到的卫星影响的空间分辨率和时间分辨率,提高卫星影像的准确率。
-
公开(公告)号:CN110484616A
公开(公告)日:2019-11-22
申请号:CN201910824992.2
申请日:2019-09-03
Applicant: 郑州大学第一附属医院
IPC: C12Q1/6883 , C12N15/12 , C12N15/11
Abstract: 本发明属于分子生物技术和分子遗传领域,特别涉及一种影响人类扩张型心肌病辅助诊断及临床干预的碱基位点变异及其应用。所述影响人类扩张型心肌病辅助诊断及预后的碱基位点变异的突变位点对应于人类TTN基因编码区第44610-2位核苷酸位点A>C,命名为c.44610-2A>C。本发明还提供了一种用于鉴定上述碱基位点变异的引物,公开了鉴定前述碱基位点变异在人类扩张型心肌病辅助诊断及临床干预中的用途,以及鉴定该碱基位点变异用于人类扩张型心肌病产前诊断的方法。本发明的优点在于为防治扩张型心肌病提供了新的治疗靶点,为扩张型心肌病的早期诊断及预后判断提供了强有力的分子生物学工具,具有深远的临床意义和重要的推广前景。
-
公开(公告)号:CN116187159A
公开(公告)日:2023-05-30
申请号:CN202211598960.3
申请日:2023-04-11
Applicant: 郑州大学
IPC: G06F30/27 , G06F119/02
Abstract: 本发明属于水利信息技术领域,具体涉及一种耦合机器学习与GWR矫正的遥感降水数据降尺度方法,包括如下步骤:S1.收集流域内的空间分辨率0.1°的月降水GPM数据,及1km高分辨率辅助NDVI数据、DEM高程数据及实测站点降水数据,并对收集的数据进行预处理;S2.引入机器学习算法,分别建立基于随机森林、梯度提升、前馈神经网络的降尺度模型;S3.将分辨率1km的NDVI、高程、坡度、坡向及经纬度数据代入S2中建立的三种降尺度模型,得到降尺度数据,比较三种降尺度结果,选取精度最优的降尺度降水数据进行下一步矫正;基于机器学习算法建立随机森林、梯度提升、前馈神经网络三种降尺度模型,提高其精度。
-
-
-
-
-
-
-
-
-